电动汽车配置遗传算法技术

Question

我要解决的问题是关于电网中电动汽车 (EV) 的最佳分配。我的电网有 20 个可能的位置（母线），每个位置都允许接收一个 EV。每条染色体的长度为 20，其基因可以是 0 或 1，其中 0 表示没有 EV，1 表示该位置有 EV（母线）。

我从随机分配的固定数量的 EV（例如 5 个）开始我的人口（100 个人）。让他们通过我的 GA 进化。 GA 利用锦标赛选择、2 点交叉和翻转位突变。每个染色体/个体都通过一个适应度函数进行评估，该函数计算条形之间的功率损失（RI^2 的总和）。最好的染色体是功率损耗最低的。

问题在于，利用 2 点交叉和翻转位突变会改变必须在网格中的固定 EV 数量。我想知道我的 GA 操作的最佳技术是什么。除此之外，我还得到了几代以来最健康的染色体的这个奇怪的图形1

如果有任何帮助/建议，我将不胜感激。谢谢。

Answer 1

您希望以这样一种方式定义您的状态空间，使您选择的突变不会创建非法配置。

这可能不太适合遗传算法。如果您想从 20 个中选择 5 个，则有大约 15k 个可能性。测试超过 50 代的 100 个人口已经为您提供了足够的计算来完成 1/3 的蛮力工作。

Answer 2

如果您要在网格上分配 N 个 EV，您可以使用大小为 N 的染色体，每个基因都是一个表示 EV 位置的整数。对于交叉，您首先需要将两个父母中相同的值与其他值分开，并对不同的部分应用经典（1 或 2 个点）交叉，并随机选择一个有效的可用位置来突变一个基因。